RDS遷移至MaxCompute實現動態分區 - MaxCompute

本文為您介紹如何使用DataWorksData Integration同步功能自動建立分區，動態地將RDS中的資料移轉至MaxComputeMaxCompute。

前提條件

準備DataWorks環境
1. 開通MaxCompute和DataWorks。
2. 在DataWorks上完成建立商務程序，本例使用DataWorks簡單模式。詳情請參見建立商務程序。
新增資料來源
- 新增MySQL資料來源作為資料來源，詳情請參見配置MySQL資料來源。
- 新增MaxCompute資料來源作為目標資料來源接收RDS資料，詳情請參見配置MaxCompute資料來源。

自動建立分區

準備工作完成後，需要將RDS中的資料定時每天同步到MaxCompute中，自動建立按天日期的分區。詳細的資料同步任務的操作和配置請參見DataWorks資料開發和營運。

登入DataWorks控制台。
在MaxCompute上建立目標表。
1. 在左側導覽列，單擊工作空間列表。
2. 單擊相應工作空間操作列的快速進入 > 資料開發。
3. 按右鍵已建立的商務程序，選擇建立表 > MaxCompute > 表。
4. 在建立表頁面，選擇引擎類型並輸入表名。
5. 在表的編輯頁面，單擊DDL。
6. 在DDL對話方塊，輸入如下建表語句，單擊產生表結構。
```
CREATE TABLE IF NOT EXISTS ods_user_info_d (
uid STRING COMMENT '使用者ID',
gender STRING COMMENT '性別',
age_range STRING COMMENT '年齡段',
zodiac STRING COMMENT '星座'
)
PARTITIONED BY (
dt STRING
);                           
```
7. 單擊提交到生產環境。
建立離線同步節點。
1. 進入資料開發頁面，按右鍵指定商務程序，選擇建立節點 > Data Integration > 離線同步。
2. 在建立節點對話方塊中，輸入節點名稱，並單擊確認。
3. 選擇資料來源和資料去向。
配置分區參數。
1. 在右側導覽列上，單擊調度配置。
2. 在調度參數地區，設定參數。參數值預設為系統內建的時間參數${bizdate}，格式為yyyymmdd。
  說明
  預設參數值與資料去向中的分區資訊值對應。調度執行遷移任務時，目標表的分區值會被自動替換為任務執行日期的前一天，預設情況下，您會在當前執行前一天的業務資料，這個日期也叫做業務日期。如果您需要使用當天任務啟動並執行日期作為分區值，則需自訂參數值。
  自訂參數設定：使用者可以自主選擇某一天和格式配置，如下所示：
  - 後N年：$[add_months(yyyymmdd,12*N)]
  - 前N年：$[add_months(yyyymmdd,-12*N)]
  - 前N月：$[add_months(yyyymmdd,-N)]
  - 後N周：$[yyyymmdd+7*N]
  - 後N月：$[add_months(yyyymmdd,N)]
  - 前N周：$[yyyymmdd-7*N]
  - 後N天：$[yyyymmdd+N]
  - 前N天：$[yyyymmdd-N]
  - 後N小時：$[hh24miss+N/24]
  - 前N小時：$[hh24miss-N/24]
  - 後N分鐘：$[hh24miss+N/24/60]
  - 前N分鐘：$[hh24miss-N/24/60]
  說明
  使用中括弧（[]）編輯自訂變數參數的取值計算公式，例如 key1=$[yyyy-mm-dd]。
  預設情況下，自訂變數參數的計算單位為天。例如 $[hh24miss-N/24/60] 表示 (yyyymmddhh24miss-(N/24/60 * 1天)) 的計算結果，然後按 hh24miss 的格式取時分秒。
  使用add_months的計算單位為月。例如 $[add_months(yyyymmdd,12 N)-M/24/60] 表示 (yyyymmddhh24miss-(12 * N * 1月))-(M/24/60 * 1天) 的結果，然後按 yyyymmdd 的格式取年月日。
單擊表徵圖運行代碼。
您可以在作業記錄查看運行結果。

補資料實驗

如果您的資料中存在大量運行日期之前的歷史資料，需要實現自動同步和自動分區。您可以通過DataWorks的營運中心，選擇當前的同步資料節點，使用補資料功能實現。

在RDS端按照日期篩選出歷史資料。
您可以在同步節點資料來源地區設定資料過濾條件。
執行補資料操作。詳情請參見執行補資料並查看補資料執行個體。
在啟動並執行日誌中查看對RDS資料的抽取結果。
從運行結果中可以看到MaxCompute已自動建立分區。
運行結果驗證。在MaxCompute用戶端執行如下命令，查看資料寫入情況。
```
SELECT count(*) from ods_user_info_d where dt = 20180913;
```

Hash實現非日期欄位分區

如果您的資料量較大，或沒有按照日期欄位對第一次全量的資料進行分區，而是按照省份等非日期欄位分區，則此時Data Integration操作將不能實現自動分區。這種情況下，您可以按照RDS中某個欄位進行Hash，將相同的欄位值自動存放到這個欄位對應值的MaxCompute分區中。

將資料全量同步到MaxCompute的一個暫存資料表，建立一個SQL指令碼節點。執行如下命令。

drop table if exists ods_user_t;
CREATE TABLE ods_user_t ( 
        dt STRING,
        uid STRING,
        gender STRING,
        age_range STRING,
        zodiac STRING);
--將MaxCompute表中的資料存入暫存資料表。
insert overwrite table ods_user_t select dt,uid,gender,age_range,zodiac from ods_user_info_d;

建立同步任務的節點mysql_to_odps，即簡單的同步任務。將RDS資料全量同步到MaxCompute，無需設定分區。

使用SQL語句進行動態分區到目標表，命令如下。

drop table if exists ods_user_d;
//建立一個ODPS分區表（最終目的表）。
    CREATE TABLE ods_user_d (
    uid STRING,
        gender STRING,
        age_range STRING,
        zodiac STRING
)
PARTITIONED BY (
    dt STRING
);
//執行動態分區SQL，按照暫存資料表的欄位dt自動分區，dt欄位中相同的資料值，會按照這個資料值自動建立一個分區值。
//例如dt中有些資料是20181025，會自動在ODPS分區表中建立一個分區，dt=20181025。
//動態分區SQL如下。
//可以注意到SQL中select的欄位多寫了一個dt，就是指定按照這個欄位自動建立分區。
insert overwrite table ods_user_d partition(dt)select dt,uid,gender,age_range,zodiac from ods_user_t;
//匯入完成後，可以把暫存資料表刪除，節約儲存成本。
drop table if exists ods_user_t;

在MaxCompute中您可以通過SQL陳述式完成資料同步。詳細的SQL語句介紹請參見阿里雲巨量資料利器MaxCompute學習之--分區表的使用。

將三個節點配置成一個工作流程，按順序執行。
查看執行過程。您可以重點觀察最後一個節點的動態分區過程。
運行結果驗證。在MaxCompute用戶端執行如下命令，查看資料寫入情況。
```
SELECT count(*) from ods_user_d where dt = 20180913;
```